总结
AI 复盘前先提供批准 Brief、最终候选、合同范围、内容版本、状态时间线、成本和统一口径结果。 让 AI 按目标、计划与实际、异常、决定、结果和未知项整理，不允许补写缺失原因。负责人逐条核对来源，再把结论转成有负责人、截止日期和验证方式的行动。没有进入下一轮模板、规则或任务的“经验”不算复盘成果。
先建立一条可验证的 Campaign 时间线
把 Brief 批准、外联、签约、寄样、概念、粗剪、上线、投放、付款和报告按时间排序，并连接原始记录。
AI 可以发现延迟集中在哪些节点，但不能在没有记录时推测某个人为什么延迟。事实、解释和假设必须分开。
对照计划、实际和影响
每个关键指标保存计划值、实际值、差异和业务影响。观看低于计划但有效转化更高，不能简单写成失败。
成本、时间、质量和风险使用同一视图，避免复盘只讨论内容数据而忽略返工与运营负担。
让 AI 找冲突与重复模式
让模型列出不同文档的范围冲突、重复发生的异常、预测与实际偏差和没有关闭的行动项。每条输出必须引用记录。
NIST AI RMF 的治理、测量和管理思路适合复盘：明确谁批准 AI 结论、测量错误，并决定哪些自动化继续、限制或暂停。
只保留能改变行为的行动项
行动项应写成“在寄样前增加型号确认字段，由运营负责人在下次 Campaign 验证”，而不是“加强沟通”。
QuickKOL 中把行动连接到 Brief 模板、数据定义、自动化规则或负责人。下一次复盘先检查上次行动是否完成，再生成新建议。
复盘 AI 判断，而不是只复盘最终 KPI
AI 参与 Campaign 后，复盘要追踪每个关键建议的输入、输出、人工决定和结果。NIST AI RMF 将风险工作组织为 Govern、Map、Measure、Manage；对应到复盘，就是确认负责人和规则、描述使用场景、测量错误与人工改写，再决定保留、限制、暂停或重新设计。
例如 AI 推荐 80 位达人，人工保留 50 位、外联 45 位、收到 14 个有效回复、签约 6 位。抽查发现 10 个推荐理由中 3 个引用过期内容，30% 的样本理由需要修正。即使最终 Campaign 达到 ROAS 目标，也不能忽略这项数据风险；它可能在下一次更大批次中放大。
AI Campaign 复盘矩阵
业务结果和系统质量同时记录。
| 阶段 | 业务结果 | AI 质量证据 |
|---|---|---|
| 发现 | 候选进入率 | 误收、漏选、过期数据 |
| 外联 | 有效回复与签约 | 事实错误、人工改写 |
| 执行 | 准时、返工、风险 | 状态建议准确性 |
| 复盘 | 收入、增量、学习 | 保留 / 限制 / 暂停 |
检查清单
AI Campaign 复盘议程
10 项把结果转成下一次可执行改进。
- 确认 AI 参与的具体决策
- 保存使用的输入与版本
- 比较建议、人工决定与结果
- 统计误收、漏选和无法验证
- 统计事实错误与人工改写
- 分开业务 KPI 与系统质量
- 记录表现良好的反例
- 为每个问题指定负责人
- 决定保留、限制、暂停或重做
- 下一批次设置可验证门槛
资料来源与延伸阅读
外部页面可能更新；平台规则、合同与当地法规应在 Campaign 启动前再次确认。